• 한국수자원학회논문집
• /
• 제53권12호
• /
• pp.1159-1172
• /
• 2020

본 연구에서는 강우예측을 위해 U-Net과 SegNet에 기반한 합성곱 신경망 네트워크 구조에 장기간의 국내 기상레이더 자료를 활용하여 심층학습기반의 강우예측을 수행하였다. 또한, 기존 외삽기반의 강우예측 기법인 이류모델의 결과와 비교 평가하였다. 심층신경망의 학습 및 검정을 위해 2010부터 2016년 동안의 기상청 관악산과 광덕산 레이더의 원자료를 수집, 1 km 공간해상도를 갖는 480 × 480의 픽셀의 회색조 영상으로 변환하여 HDF5 형태의 데이터를 구축하였다. 구축된 데이터로 30분 전부터 현재까지 10분 간격의 연속된 레이더 영상 4개를 이용하여 10분 후의 강수량을 예측하도록 심층신경망 모델을 학습하였으며, 학습된 심층신경망 모델로 60분의 선행예측을 수행하기 위해 예측값을 반복 사용하는 재귀적 방식을 적용하였다. 심층신경망 예측모델의 성능 평가를 위해 2017년에 발생한 24개의 호우사례에 대해 선행 60분까지 강우예측을 수행하였다. 임계강우강도 0.1, 1, 5 mm/hr에서 평균절대오차와 임계성공지수를 산정하여 예측성능을 평가한 결과, 강우강도 임계 값 0.1, 1 mm/hr의 경우 MAE는 60분 선행예측까지, CSI는 선행예측 50분까지 참조 예측모델인 이류모델이 보다 우수한 성능을 보였다. 특히, 5 mm/hr 이하의 약한 강우에 대해서는 심층신경망 예측모델이 이류모델보다 대체적으로 좋은 성능을 보였지만, 5 mm/hr의 임계 값에 대한 평가결과 심층신경망 예측모델은 고강도의 뚜렷한 강수 특징을 예측하는 데 한계가 있었다. 심층신경망 예측모델은 예측시간이 길어질수록 공간 평활화되는 경향이 뚜렷해지며, 이로 인해 강우 예측의 정확도가 저하되었다. 이류모델은 뚜렷한 강수 특성을 보존하기 때문에 강한 강도 (>5 mm/hr)에 대해 심층신경망 예측모델을 능가하지만, 강우 위치가 잘못 이동하는 경향이 있다. 본 연구결과는 이후 심층신경망을 이용한 레이더 강우 예측기술의 개발과 개선에 도움이 될 수 있을 것으로 판단된다. 또한, 본 연구에서 구축한 대용량 기상레이더 자료는 향후 후속연구에 활용될 수 있도록 개방형 저장소를 통해 제공될 예정이다.

• 한국수자원학회논문집
• /
• 제56권6호
• /
• pp.403-417
• /
• 2023

본 연구에서는 CCTV 영상 기반 강우강도 산정 시 필수적으로 요구되는 적정 강우 이미지 DB를 구축하기 위한 방법론을 개발하였다. 먼저, 실환경에서 불규칙적이고 높은 변동성을 보일 수 있는 변수들(바람으로 인한 빗줄기의 변동성, 녹화 환경에서 포함되는 움직이는 객체, 렌즈 위의 흐림 현상 등)에 대한 통제가 가능한 한국건설생활환경시험연구원 내 기후환경시험실에서 CCTV 영상 DB를 구축하였다. 서로 다른 5개의 실험 조건을 고려하여 이상적 환경에서 총 1,728개의 시나리오를 구성하였다. 본 연구에서는 1,920×1,080 사이즈의 30 fps (frame per second) 영상 36개에 대하여 프레임 분할을 진행하였으며, 총 97,200개의 이미지를 사용하였다. 이후, k-최근접 이웃 알고리즘을 기반으로 산정된 최종 배경과 각 이미지와의 차이를 계산하여 빗줄기 이미지를 분리하였다. 과적합 방지를 위해 각 이미지에 대한 평균 픽셀 값을 계산하고, 설정한 픽셀 임계치보다 큰 자료를 선별하였다. 180×180 사이즈로의 재구성을 위해서 관심영역을 설정하고 10 Pixel 단위로 이동을 진행하여 픽셀 변동성이 최대가 되는 영역을 산정하였다. 합성곱 신경망 모델의 훈련을 위해서 120×120 사이즈로 재변환하고 과적합 방지를 위해 이미지 증강 과정을 거쳤다. 그 결과, 이미지 기반 강우 강도 합성곱 신경망 모델을 통해 산정된 결과값과 우량계에서 취득된 강우자료가 전반적으로 유사한 양상을 보였으며, 모든 강우강도 실험 조건에 대해서 약 92%의 데이터의 PBIAS (percent bias)가 절댓값 범위 10% 이내에 해당하였다. 본 연구의 결과물과 전이학습 등의 방법을 연계하여 기존 실환경 CCTV의 한계점을 개선할 수 있을 것으로 기대된다.

• 한국농공학회논문집
• /
• 제62권1호
• /
• pp.83-93
• /
• 2020

East Asia, which includes China, Japan, Korea, and Mongolia, is highly impacted by hydroclimate extremes such drought, flood, and typhoon recent year. In 2017, more than 18.5 million hectares of crops have been damaged in China, and Korea has suffered economic losses as a result of severe drought. Satellite-derived rainfall products are becoming more accurate as space and time resolution become increasingly higher, and provide an alternative means of estimating ground-based rainfall. In this study, we verified the availability of rainfall products by comparing widely used satellite images such as Climate Hazards Groups InfraRed Precipitation with Station (CHIRPS), Global Precipitation Climatology Centre (GPCC), and Precipitation Estimation From Remotely Sensed Information Using Artificial Neural Networks-Climate Data Record (PERSIANN-CDR) with ground stations in East Asia. Also, the satellite-based rainfall products were used to calculate the Standardized Precipitation Index (SPI). The temporal resolution is based on monthly images and compared with the past 30 years data from 1989 to 2018. The comparison between rainfall data based on each satellite image products and the data from weather station-based weather data was shown by the coefficient of determination and showed more than 0.9. Each satellite-based rainfall data was used for each grid and applied to East Asia and South Korea. As a result of SPI analysis, the RMSE values of CHIRPS were 0.57, 0.53 and 0.47, and the MAE values of 0.46, 0.43 and 0.37 were better than other satellite products. This satellite-derived rainfall estimates offers important advantages in terms of spatial coverage, timeliness and cost efficiency compared to analysis for drought assessment with ground stations.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.136-136
• /
• 2021

In this study, a deep convolutional neural network (DCNN) model is proposed for short-term precipitation forecasting using weather radar-based images. The DCNN model is a combination of convolutional neural networks, autoencoder neural networks, and U-net architecture. The weather radar-based image data used here are retrieved from competition for rainfall forecasting in Korea (AI Contest for Rainfall Prediction of Hydroelectric Dam Using Public Data), organized by Dacon under the sponsorship of the Korean Water Resources Association in October 2020. This data is collected from rainy events during the rainy season (April - October) from 2010 to 2017. These images have undergone a preprocessing step to convert from weather radar data to grayscale image data before they are exploited for the competition. Accordingly, each of these gray images covers a spatial dimension of 120×120 pixels and has a corresponding temporal resolution of 10 minutes. Here, each pixel corresponds to a grid of size 4km×4km. The DCNN model is designed in this study to provide 10-minute predictive images in advance. Then, precipitation information can be obtained from these forecast images through empirical conversion formulas. Model performance is assessed by comparing the Score index, which is defined based on the ratio of MAE (mean absolute error) to CSI (critical success index) values. The competition results have demonstrated the impressive performance of the DCNN model, where the Score value is 0.530 compared to the best value from the competition of 0.500, ranking 16^th out of 463 participating teams. This study's findings exhibit the potential of applying the DCNN model to short-term rainfall prediction using weather radar-based images. As a result, this model can be applied to other areas with different spatiotemporal resolutions.

• 대기
• /
• 제22권1호
• /
• pp.29-45
• /
• 2012

An unusual autumn storm developed rapidly in the western part of the East sea on the early morning of 23 October 2006. This storm produced a record-breaking heavy rain and strong wind in the northern and middle part of the Yeong-dong region; 24-h rainfall of 304 mm over Gangneung and wind speed exceeding 63.7 m $s^{-1}$ over Sokcho. In this study, MTSAT-1R (Multi-fuctional Transport Satellite) water vapor and infrared channel imagery are examined to find out some features which are dynamically associated with the development of the storm. These features may be the precursor signals of the rapidly developing storm and can be employed for very short range forecast and nowcasting of severe storm. The satellite features are summarized: 1) MTSAT-1R Water Vapor imagery exhibited that distinct dark region develops over the Yellow sea at about 12 hours before the occurrence of maximum rainfall about 1100 KST on 23 October 2006. After then, it changes gradually into dry intrusion. This dark region in the water vapor image is closely related with the positive anomaly in 500 hPa Potential Vorticity field. 2) In the Infrared imagery, low stratus (brightness temperature: $0{\sim}5^{\circ}C$) develops from near Bo-Hai bay and Shanfung peninsula and then dissipates partially on the western coast of Korean peninsula. These features are found at 10~12 hours before the maximum rainfall occurrence, which are associated with the cold and warm advection in the lower troposphere. 3) The IR imagery reveals that two convective cloud cells (brightness temperature below $-50^{\circ}C$) merge each other and after merging it grows up rapidly over the western part of East sea at about 5 hours before the maximum rainfall occurrence. These features remind that there must be the upward flow in the upper troposphere and the low-layer convergence over the same region of East sea. The time of maximum growth of the convective cloud agrees well with the time of the maximum rainfall.

• 한국수자원학회논문집
• /
• 제56권8호
• /
• pp.471-484
• /
• 2023

적대적 생성 신경망 기반의 딥러닝 모델은 학습된 정보를 바탕으로 새로운 정보를 생성하는데 특화되어 있다. 구글 딥마인드에서 개발한 deep generative model of rain (DGMR) 모델은 대규모 레이더 이미지 데이터의 복잡한 패턴과 관계를 학습하여, 예측 레이더 이미지를 생성하는 적대적 생성 신경망 모델이다. 본 연구에서는 환경부 레이더 강우관측자료를 이용하여 DGMR 모델을 학습하고, 2021년 8월 호우사례를 대상으로 적대적 생성 신경망을 이용하여 강우예측을 수행하고 기존 예측기법들과 정확도를 비교하였다. DGMR은 대체적으로 선행 60분까지는 강우 분포 위치가 관측강우와 가장 유사하였으나, 전체 영역에서 강한 강우가 발생한 사례에서는 강우가 지속적으로 발달하는 것으로 예측하는 경향이 있었다. 통계적 평가에서도 DGMR 기법이 1시간 선행예측에서 임계성공지수 0.57~0.79, 평균절대오차 0.57~1.36 mm로 나타나 타 기법 대비 효과적인 강우예측 기법임을 보여주었다. 다만, 생성 결과의 다양성이 부족한 경우가 발생하여 예측 정확도를 저하하므로 다양성을 개선하기 위한 연구와 2시간 이상의 선행예측에 대한 정확도 개선을 위해 물리기반 수치예보모델 예측강우 자료를 이용한 보완이 필요할 것으로 판단되었다.

• 대한원격탐사학회지
• /
• 제35권5_2호
• /
• pp.851-859
• /
• 2019

천리안(COMS, Communication, Ocean, and Meteorological Satellite) 위성은 한반도를 15분마다 촬영하지만, 관측 채널의 한계로 강우 추정 시 과소 추정하는 경향이 있어 풍수해 발생시 활용하기 어려웠다. 따라서 본 연구에서는 천리안 위성과 GPM(Global Precipitation Measurement) 위성자료를 함께 이용하여 한반도 풍수해 발생시 활용할 수 있는 위성기반 강우추정 기술을 개발하였다. 천리안 위성과 GPM 위성의 시간 공간 해상도를 일치시키고 GPM 위성의 IMERG 자료를 통해 강우추정 정확도를 향상시킨 결과, 종관기상 관측값(ASOS)간의 상관계수가 0.7 이상으로 나타나 기존 천리안 위성 자료만을 이용한 강우추정 기술보다 정확한 결과를 도출하였다. 향후 천리안 위성의 후속 위성인 천리안 2A호(GK-2A)를 활용할 경우 보다 정확한 기상정보가 제공될 예정이므로, 미계측 지역에 대한 재난관리 활용성이 확대될 것으로 기대된다.

• 한국농공학회:학술대회논문집
• /
• 한국농공학회 1999년도 Proceedings of the 1999 Annual Conference The Korean Society of Agricutural Engineers
• /
• pp.544-549
• /
• 1999

The objective of this study is to identify the applicability of land cover image classified by remotely sensed data ; Landsat TM merged by SPOT for hydrological applications such as SCS runoff estimation . By comparing the calssified land cover image with the statistical data, it was proved that hey are agreed well with little errors. As a simple application , SCS runoff estimation was tested by varying rainfall intensity and AMC with Soilmap classfied by hydrologica soil map.

• 한국지리정보학회지
• /
• 제18권4호
• /
• pp.131-144
• /
• 2015

본 연구에서는 Unity 3D를 활용한 강우레이더 관측정보 시각화 시스템 프로토타입 구축에 관 해 서술하였다. 레이더 정보의 효율적 가시화를 통한 사용자 정보제공을 위해서는 지형정보와의 융합이 필수적이다. 하지만 방대한 양의 레이더 관측정보와 대용량 지형정보를 매쉬업하여 서비스 하는 것은 데이터 처리에 있어 과부하가 발생하여 서비스 수준이 낮아지는 경향이 있다. 특히 위 성영상, DEM 등을 활용한 3차원 지형정보는 그 자체만으로도 대용량 정보로 분류되고 있어서 신 속한 서비스 구현을 위해 비교적 용량이 가벼운 2차원 정보를 활용하는 것이 일반적이다. 본 연구 는 이러한 부분을 개선하고자 최근 모바일 게임분야에서 활발히 활용중인 Unity 3D 엔진을 사용 하였다. 또한, 대용량 위성이미지 분할기법, 이미지 텍스쳐 Layer 매쉬업 기법 등을 고안하여 3차 원 지형기반으로 서비스 할 수 있는 시각화 시스템 프로토타입을 구축하였다. 본 프로토타입 구축 을 통해 향후 전 국토에 분포된 기상관측 레이더 네트워크망 데이터를 입체적 지형 기반의 직관적 정보로 제공함으로써 강우와 관련된 방재업무 분야에 효율적 활용이 가능할 것으로 기대한다.

• Geomechanics and Engineering
• /
• 제33권2호
• /
• pp.167-174
• /
• 2023

This study evaluated slope stability through a case study to determine the disaster risks associated with increased deforestation in structures, including schools and apartments, located in urban areas adjacent to slopes. The slope behind the ○○ High School in Gwangju, Korea, collapsed owing to heavy rain in August 2018. Historically, rainwater drained well around the slope during the rainy season. However, during the collapse, a large amount of seepage water flowed out of the slope surface and a shallow failure occurred along the saturated soil layer. To analyze the cause of the collapse, the images of the upper area of the slope, which could not be directly identified, were captured using unmanned aerial vehicles (UAVs). A digital elevation model of the slope was constructed through image analysis, making it possible to calculate the rainfall flow direction and the area, width, and length of logging areas. The change in the instability of the slope over time owing to rainfall lasting ten days before the collapse was analyzed through numerical analysis. Imaging techniques based on the UAV images were found to be effective in analyzing ground disaster risk maps in urban areas. Furthermore, the analysis was found to predict the failure before its actual occurrence.